专利名称：用于医疗诊断的智能定性和定量分析的方法及系统的制作方法
技术领域：
本发明涉及用于医疗信息处理和分析的系统和方法。具体地，本发明涉及用于医疗决策的医疗信息的智能定性和定量分析。
2.相关技术说明在利用现代成像技术进行疾病诊断时，医师经常被大量通过不同的采集设备获得的信息所淹没。这些设备可包括，但不限于，超声(US)、电脑断层造影(CT)，和核磁共振成像(MRI)。诊断信息(DI)可能不同于患者数据，并且它可能包括从诊断数据中识别出来的关键诊断证据，这些关键诊断证据直接或间接支持和/或否定医师/专家对一个诊断的假设。通常，与特定疾病相关的重要诊断信息被淹没在大量数据中。另外，尽管患者病历和实验室检验结果，比如验血，能对可疑疾病/异常提供重要线索，但是对这些信息的解释通常没有以连贯方式与各种基于图像的诊断处理相结合。因此，医师必须人工寻找来自不同来源埋藏在非可视和可视数据中所有与疾病相关的信息。这样做法工作量大并且需要高水平的技能。另外，人工处理也易出错，可由于疏忽、缺乏技能、缺乏定性和定量测量，以及缺乏可使医师将源自多种数据采集设备的信息无缝地融合进临床流程的直观的可视化方法等原因而导致误诊。
现有技术的另一个问题是传统的计算机辅助检测/诊断(CAD)系统通常允许医师访问的仅是以二元判定形式表现的计算机输出或原始数据。这就是说，可以在原始数据和二元判定输出(即，是或否的判定)之间得到的各种大量丰富的DI被忽视或丢弃了。由于这种信息丢失是不可恢复的，医师无法借助计算机系统交互定量地检查或者识别可疑区域，以作出他们独立的结论。
传统CAD系统的第三个问题是从多种数据采集设备得到的信息，包括非影像和影像信息，不是被同时使用。目前的CAD系统通常只在单一数据采集设备得到的数据上操作。
图1示出了传统计算机辅助检测系统的流程图，其中在104，由医师通过选择与预定疾病相关的某种特定数据采集设备所采集的患者影像开始。在106，计算机在所述影像中检测对应于特定疾病的可疑区域。该计算机检测结果对于所述影像中的每个位置是二元是/否判定。当所述计算机指出在某影像位置存在异常时，在108，在该影像的相应位置会显示有标记。在110，医师根据计算机标记作出诊断结论。
本发明进一步通过示例性实施例，结合附图进行详细描述。这些附图是非限定性的示例性实施例，其中所有附图的多个视图中同样的附图标记代表类似部分，其中图1示出了传统计算机辅助检测系统的流程图；图2表示根据本发明一个实施例的智能定性和定量分析系统的示例性总体方框图；图3表示根据本发明的一个实施例，诊断决策动态矩阵(动态MDD)的构成及其与智能定性定量分析系统其他部分关系的示意图；图4示出了根据本发明的一个实施例，诊断数据搜索引擎和诊断信息提取器的构成及其与系统其它部分关系的示意图；图5示出了根据本发明的一个实施例，非影像诊断数据搜索引擎和DI提取器的构成及其与系统其它部分关系的示意图；图6示出了根据本发明的一个实施例，影像诊断数据搜索引擎和DI提取器的构成及其与系统其它部分关系的示意图；图7示出了根据本发明的一个实施例，IQQA系统的全部操作；图8是根据本发明一个实施例的示例性程序的流程图，其中智能定性定量分析系统便于用户执行基于特定患者和特定疾病、源自多种数据采集设备的诊断信息的医疗决策。
具体实施例方式
本发明公开了一种智能定性定量分析(IQQA)系统，旨在系统地提取和整合来自各种来源的诊断信息。该系统可以配置到通用或专用计算机上，并可适于任何特定的计算环境。所述IQQA是一个面向诊断信息的计算系统，动态地把不同的信息处理和特定疾病应用程序嵌入到最佳的临床流程。该信息处理和应用程序可以包括，但不限于，诊断数据搜索、诊断信息(DI)提取、DI量化、DI可视化、DI融合，以及根据多种数据采集设备所采集的数据/多种信息类型的数据诊断异常和/或疾病。功能可以动态嵌入，例如通过a)根据感兴趣的疾病类型有选择性的激活功能；b)动态形成由可用的特定诊断信息驱动的特定疾病流程；和c)适应性地将医师的特定病例知识，以及医师在人机实时交互期间获得的经验与先前系统内置的特定领域知识结合起来，以扩充系统在执行诊断时的知识库。
这里所描述的IQQA系统提供原始诊断数据和二元诊断结论间的大量信息，从而帮助医师更有效地作出诊断结论，并可能提高诊断的准确性。诊断决策动态矩阵(动态MDD)平台被设计成便于支持多种功能，例如诊断信息的提取、展示、导航、可视化、融合、诊断信息的修改、以及与诊断信息的交互。
这里所说的IQQA对来自不同来源的多种数据采集设备所采集的诊断数据提供交互式的智能定性和定量分析，以帮助医师作出诊断结论。图2描述了根据本发明一优选实施例的IQQA的示例性高级方框图200。该系统200包含患者信息存储器225和疾病信息存储器225，多个数据库210-a，…，210-b，诊断数据搜索引擎和DI提取器240，诊断决策动态矩阵(动态MDD)260，原始数据空间250，诊断报告生成机制255，和诊断报告存储器265。所述动态MDD260包括多个动态DI矩阵230-1，230-2，和230-1，以及交互式诊断决策机制(IDDM)235。
在操作中，医师可以首先通过IDDM机制235从疾病信息存储器220选择疾病类型，并从患者信息存储器225选择患者ID或患者名字。该信息用于启动特定患者和特定疾病的诊断数据搜索处理。为此，患者信息和疾病信息被提供给诊断数据(DD)搜索引擎和诊断信息(DI)提取器240。所述DD搜索引擎和DI提取器240然后从不同的数据库，例如数据库1 210-a，…，数据库N 210-b，搜索与给定患者和疾病有关的诊断数据，并且从搜索到的诊断数据中提取特定疾病(DS)和特定患者(PS)DI，包括影像和非影像的。搜索的数据库可以包括本地、远程或分布式数据库。这些数据库可以通过任何信道访问，包括但不限于局域网(LAN)、广域网(WAN)、内联网(Intranet)、互联网、专有网，或无线网。IDDM机制235生成的诊断结论可选择性地反馈到疾病类型存储器220，以使新的疾病类型可以被存储并备将来使用。
通过诊断决策动态矩阵(动态MDD)平台260，医师可以作出交互式诊断结论。首先，提取的DI可以DI矩阵230的形式构成，其可用一组分层次组织的动态矩阵表示，例如动态DI矩阵1 230-1，动态DI矩阵2 230-2，…，和动态DI矩阵i 230-3。交互式诊断决策机制235可便于医师探查DI空间，进行DI提取或再提取、DI修改、和/或DI融合。医师可以依靠这些矩阵利用嵌入动态MDD260中的交互式工具所表示的动态诊断信息，以作出诊断结论。诊断报告265也可以通过诊断报告生成机制255生成。
图3描述了根据本发明实施例的诊断决策动态矩阵(动态MDD)260的构成及其与智能定性定量分析系统其他部分关系的示意图。动态MDD260是医师进行实时交互诊断决策的平台。所述动态MDD260包括多个DI矩阵230、DI存储器机制302、DI分组机制304、DI显示机制306、DI浏览机制308、DI取回机制310、DI再提取机制312、DI修改机制314，和DI融合机制316。
所述DI存储器机制302用于存储诊断信息。例如，对于与特定疾病有关的每个可疑的关注区域/关注体积区(ROI或VOI)，可以生成一个或多个动态DI矩阵。这些动态DI矩阵可以存储从ROI/VOI非影像和影像数据中提取的与所述疾病有关的关键DI/证据。
所述DI分组机制304用于组织所提取的DI。动态DI矩阵230是一组动态和分级组织的表格，其可根据，例如，解剖学、生理学和生物医学知识和种类，构成。它也可以根据身体部位分组，例如，整个身体，特定器官，器官的某些部分，生物标记，组织，和分子。矩阵中的单元可包括动态链接至DI和/或患者原始诊断数据的不同来源。除了根矩阵外，一定级数的矩阵可以嵌入到其较高级数的母矩阵中。包含在每一级矩阵中的信息可以系统地融合到其上一级母矩阵。包含的矩阵分层次结构可如此设计，以使涉及作出诊断结论的最重要的诊断信息呈现在最高级，而更详细的DI信息出现在较低级。这就是说，上级矩阵可以提供对其下级诊断信息的纵览，而较低级矩阵提供支持信息，进一步解释上级表中条目。
所述DI显示机制306用于以不同的形式将DI矩阵中的信息显示给用户。动态MDD中的DI可以定性或定量地显示。显示可有多种形式，包括但不限于数字、字符串、图形、图表、色彩、曲线，和图片。来自计算机分析的代表性图像和结果可以根据它们与疾病的相关性来组织，并且可以直接显现在动态DI矩阵的一个或多个单元中。动态DI矩阵的形式和表现可以根据不同的标准，例如选择的疾病类型、检查的影像类型，或获取的协议，来动态配置。被认为异常的DI测量结果可在动态DI矩阵中用不同颜色突出。
所述DI浏览机制308为医师提供了探查DI空间的手段。所述DI可以以这种方式组织，以使用户可以根据需要在DI空间中实时自由导航浏览。借助DI浏览机制308，医师可通过激活所想要的矩阵，简单地用鼠标点击DI分层次结构中相应的条目，来探查DI矩阵中任何一级的信息。用户还可以返回到原始DI数据定性或定量地重新检查或诊察。另外，当用户在探查DI空间时，其浏览轨迹也可被显示出来。
所述DI取回机制310用于取回先前存储的DI。取回的DI可以加载到动态DI矩阵230。还可以对当前DI和先前存储的DI进行比较。
所述DI再提取机制312可由用户激活，以从先前存储的ROI或VOI图像中再提取DI，以便于理解及与当前DI相比较。
所述DI修改机制314可由医师激活，对提取的DI进行修改。例如，当医师认为由DD搜索引擎和DI提取器240提取的DI不准确或错误时，医师可以通过点击动态DI矩阵中相应的单元，输入修正，以更改所述DI。与提取的影像DI包装在一起的一组交互式分析工具和可视化工具可以被激活，并展示给医师。医师然后可以交互式地在分析过程中融入个人知识。例如，通过手动调整其参数，医师可以交互式地控制分析/可视化工具。医师还可以直接编辑动态DI矩阵中的某些条目，和/或增加新的条目和诊断意见到矩阵中。
所述DI融合机制316用于融合内置IQQA系统中特定领域的知识和医师的特定病例知识。这可以通过分级决策，人机实时交互和信息交换过程来实现。换句话说，在诊断决策过程中，所述IQQA中的动态MDD260使所有的定性和定量诊断信息对医师来说都是开放透明的。由所述DI融合机制316提供的信息融合方法嵌入在DI显示的每一个分级中。该融合也可以跨不同等级进行。特定疾病知识可以通过信息融合、可视化和显示合并到动态MDD260中。DI融合机制可以使用特定患者和疾病知识，以及非特定患者特定疾病知识，对每一个DI或由系统或医师发现的异常、机能损害、癌、或其它疾病计算警惕级别。在医师与动态MDD260实时交互期间，通过融合医师的知识和IQQA系统中内置的特定领域知识，动态MDD260会在诊断决策过程中考虑医师的优选和特定病例知识。
图4示出了根据本发明一个实施例，诊断数据搜索引擎和诊断信息提取器240的构成及其与系统其它部分关系的示意图。非影像DD搜索引擎和DI提取器404可以在不同数据库406-408中搜索非影像诊断数据，并提取非影像诊断信息410。这些数据库可以包括本地、远程和分布式数据库，并且可以通过通信通道访问。影像DD搜索引擎和DI提取器405可以在数据库406-408中搜索影像诊断数据，并提取影像诊断信息412。
除特定患者数据外，非影像DD搜索引擎和DI提取器404还可以在不同数据库中搜索非特定患者的特定疾病信息，用以，例如，将关于该疾病的最新统计数据运用到IQQA决策支持程序。这些信息可以不同方式使用。例如，这些信息可以整合到IQQA的定性和定量分析过程中。有关疾病的知识也可以用来在IQQA中为相应疾病建立和更新任何内部诊断模型。此外，当医师针对特定疾病可直接访问该最新统计信息时，他们可以根据他/她自身的经验和知识解释信息，并且在决策过程中依靠这种解释。
DD搜索引擎和DI提取器240返回的搜索结果可以例如文件树的形式显示给用户。用户可选择其中一个文件进一步查看。或者，用户可以自行决定以连续的方式查看所有的数据。这些疾病和特定患者诊断数据，疾病和非特定患者的诊断数据可以包括非影像数据或影像数据。非影像数据可以包括患者病历、验血结果，和基因型数据。影像数据可以包括不同数据采集设备(例如CT、MRI、X射线)所采集的诊断影像，和病理影像。
图5示出了根据本发明的一个实施例，非影像DD搜索引擎和DI提取器404的构成及其与系统其它部分关系的示意图。非影像数据搜索引擎504可被部署以搜索非影像诊断数据。该搜索引擎可以是任何商业或现有的搜索引擎，以诸如SQL的任何语言来实现。根据搜索到的非影像数据，特定疾病的非影像诊断证据提取器506可以提取出一个或多个特定疾病的关键证据。该提取可由特定疾病证据模板508引导，该模板预先定义对于给定的疾病类型什么构成关键证据。在提取关键证据后，自动关键证据分析器510可用于分析所述关键证据。相应证据的统计测量可以从数据库512取回，用来评估所提取的关键证据。该统计测量是基于有统计学意义的数据量的研究得出的，所以可用来评估所提取的关键证据的重要性。例如，每个特定患者的关键证据可与数据库512中相同证据的统计范围进行比较。超出给定正常范围的测量证据514然后可以被存储在非影像DI存储器410。
除了关键证据分析之外，风险因素分析器516可根据患者相关信息，诸如年龄、性别、用药记录、验血或家族病史，进一步分析给定疾病类型的与患者相关联的风险因素。该分析的输出518还可以提供这些风险因素对假设的疾病或损伤的估计影响程度。
图6示出了根据本发明的一个实施例的影像DD搜索引擎和DI提取器405的构成及其与系统其它部分关系的示意图。影像DD搜索引擎604搜索与特定患者和疾病相关的所有影像数据，例如，CT数据，MRI数据，和X射线数据。这些数据形成多数据采集设备类型、多维空间的数据组606。这里多维空间可包括空间和时间的维数。根据本发明，当医师通过影像子空间浏览时，比如，在由每种数据采集设备在实时或接近实时交互所创建的选定的2D，3D，4D，或更高维数的子空间中，可以执行多种影像DI提取功能。
在所述示例性实施例中，包括基于DI的增强机制608、跨形态DI提取机制614、计算机辅助DI量化机制616，和跨形态基于融合的异常检测机制618。这些影像DI提取器可以提取定性和定量的诊断信息。例如，为取得定性的影像DI，基于DI的增强机制608会增强包含在影像中的诊断信息。根据全局或本地解剖学和疾病信息，以及在其它影像的相应位置提取的信息，基于DI的增强机制608可以自动确定对于给定影像中给定的特定疾病是最焦点的DI，并计算由系统或用户检测到的可疑区域的特征统计。该统计可用于自动设置增强参数，以将最好的影像诊断信息提供给医师用于诊断目的。根据从非影像DI和其它可用的影像DI收集的信息，包括但不限于，所有可疑区域形状、大小和灰度的统计，用户可以通过全局增强机制610，来选择使用全局特定疾病增强，以增强整个影像组。用户也可以选择使用本地增强机制612，以增强每个本地可疑的关注区域。在增强中使用的参数可以根据关于单独可疑关注区域和疾病的DI信息来计算。
影像DI也可以通过跨多种数据采集设备的DI提取程序614来提取。源自多种数据采集设备的信息和多维信息可以这种方式来使用，以至从某一个数据采集设备采集或某一维数提取的DI可用来确认或否认在另一数据采集设备所采集的或另一维数的DI。特定患者和疾病，以及非特定患者和特定疾病的非影像信息也可以用来辅助这种影像DI的提取过程。例如，年龄和性别可以用来为特定疾病确定可疑焦点区域。影像DI提取和/或再提取可自动或由医师实时交互执行。在交互式提取过程中，医师可以将他/她自身的知识应用到提取程序。例如，医师可以通过调整用于DI提取程序的参数，对已经提取的DI做一些手动调整。
影像DI也可以通过计算机辅助DI量化(CAQ)机制616被量化。该CAQ机制616能自动量化跨多种数据采集设备的DI。这种量化可用于在某种数据采集设备中和跨多种数据采集设备中测量诸如可疑区域的尺寸、形状和灰度变化。
影像DI也可以通过跨多种数据采集设备、基于融合的异常检测机制618来提取。医师可以根据，比如，在分级组织的DI空间中关于提取的DI的空间推理和时间推理，对系统作出关于疾病，包括疾病类型和疾病位置，的不同假定或子假定。根据本发明，跨多种数据采集设备的融合可以不同模式来完成。例如，可根据位置或DI信息来完成融合。在位置融合模式下，在融合前匹配跨不同数据采集设备和维数的影像数据。在DI融合模式中，融合是基于包含在DI空间中的信息本质。
图7示出了根据本发明一个实施例的所述IQQA系统的整体操作方案。首先，用户700从现有患者ID名单中选择一个患者ID，或者输入一个患者ID703。用户还可以选择一种疾病类型704。借助所述患者ID703和疾病类型704，诊断数据搜索引擎706从本地、远程或分布式的一个或多个相关数据库702中自动识别与特定疾病相关的所有可用诊断数据，既有特定患者的也有非特定患者的。这些已识别的诊断数据可以是非影像或影像的，包括基因型数据740，实验室检验结果742，显型数据744，和病理数据746。所检出的特定患者和非特定患者和特定疾病数据然后可以根据一些预定的标准进行组织。例如，数据类型和检查日期可以用来组织检出的数据。
搜索诊断数据可以通过在线搜索750或者通过离线搜索748进行。在诊断决策过程期间，当医师与IQQA系统交互时可以进行在线搜索。在医师通过IQQA系统进行诊断前可以进行离线搜索。搜索结果可以某种形式，例如，文件树707，呈现给用户，以使用户可以选择一个或多个文件进一步查看(710)。DI提取和量化机制708可以根据特定疾病来从诊断数据中提取诊断信息。特定患者和疾病，以及非特定患者和特定疾病数据和提取的诊断信息，在诊断期间可供用户访问。如果同时需要，用户可以同时手动检查所有与所选定的患者相关的可访问诊断数据和诊断信息。
然后，根据一些预先确定的标准，比如机能障碍的详细程度、出现疾病的身体部位，在诊断信息空间716的一个或多个动态DI矩阵中可以分级组织所提取的诊断信息。
用户700可以通过交互式决策机制724在诊断信息空间716进一步与动态DI矩阵交互。用户700也可以选择加载同一患者的先前检查711生成的动态DI矩阵，并与当前DI矩阵合并。也可以就先前DI矩阵作出结论。
DI空间716中的动态DI矩阵提供信息空间，医师可以在这里浏览，以从不同数据采集设备和沿不同维数来识别不同细节级别的丰富信息。医师可以在诊断信息空间716中以实时交互(RTI)模式在影象子空间或DI子空间中浏览。影象子空间还可以包括2D图像子空间、3D图像子空间，或更高维数的图像子空间。医师根据需要，可以选择在任何子空间操作。当在诊断信息空间716浏览时，用户还可以以不同细节级别浏览，探查和搜索可能与诊断决策有关的诊断信息。
在适当处理后，比如信息融合、可视化和动态MDD的实时用户交互，诊断信息可以呈现给用户700。用户700可以执行RTI图像空间浏览712，RTI影像DI提取和量化718，或RTI DI空间浏览720。在实时用户交互期间，用户700还可以再提取现有的DI或对现有DI进行修改(722)。通过RTI决策726，用户可以作出诊断结论728。
包含在不同动态DI矩阵中的信息可以通过诊断报告生成机制732编译生成报告734。该生成报告可以根据一些可被自动设置为默认或可由用户700动态更新的具体要求特别构成。生成报告734可以包含与包括在报告734中的医疗结论相关的超级链接，链接到得到下面的医疗结论所使用的原始图像或其他诊断信息。包括在报告734中的超级链接也可以嵌入一些集成机制，用来支持诊断信息的显示、浏览、或查看。当用户700完成检查时，在当前检查期间得到的动态DI矩阵730可被存储以供将来使用。
图8是根据本发明一个实施例的示例性程序流程图，其中IQQA系统便于用户使用来自不同来源的诊断信息以得到一个医疗结论。系统启动后，在804用户可以选择患者名字或者患者ID，并在806选择疾病类型。在808，从一个或多个数据库中取出特定患者和特定疾病，以及非特定患者和特定疾病诊断数据。在810非影像DI被从诊断数据中提取，在812影像DI被从诊断数据中提取。在814，所提取的DI被存储在动态DI矩阵。在816，基于从不同来源、数据采集设备和维数提取的DI，根据诊断需要执行动态融合。这种动态融合可以通过自动或者交互式过程实现。在818，根据动态融合DI然后可作出诊断结论。在820，生成诊断报告。这个报告可以包括基于DI自动生成的信息，例如关键证据总结或统计。所生成的报告还可以包括由医师输入的信息。当医师作出相关诊断结论后，在822，相关DI被存档并存储，供以后参考。
权利要求
1.一种方法，包括指定用于取得医疗相关信息的识别信息；根据所述识别信息自动搜索从不同来源获取的所述医疗相关信息；通过动态融合不同类型的所述医疗相关信息及其分析结果生成至少一个诊断信息矩阵；和根据所述至少一个诊断信息矩阵作出医疗结论。
2.根据权利要求1的方法，其中所述识别信息包括患者身份和疾病类型。
3.根据权利要求1的方法，其中所述医疗相关信息包括特定患者和特定疾病信息。
4.根据权利要求1的方法，其中所述医疗相关信息包括非特定患者和特定疾病信息。
5.根据权利要求1的方法，其中所述医疗相关信息包括影像医疗信息和非影像信息。
6.根据权利要求5的方法，其中所述影像医疗信息包括在一定维数空间中获取的医疗图像。
7.根据权利要求6的方法，其中所述一定维数空间包括至少一个两维和三维空间。
8.根据权利要求5的方法，其中所述非影像信息包括至少以下之一医疗检验结果；基因型信息；个人病史；与个人生活方式和行为有关的风险因素；显型或病理信息；家族病史；和一般医学知识。
9.根据权利要求1的方法，其中所述不同来源包括CT扫描；X射线检查；PET扫描；SPECT扫描；核医科检查；MRI扫描；超声波扫描图；DNA或分子成像处理；验血；身体检查；和它们的任何组合。
10.根据权利要求2的方法，其中用于所述融合的所述不同类型医疗相关信息和其分析结果根据疾病类型动态确定。
11.根据权利要求2的方法，其中用于所述融合的所述不同类型医疗相关信息和其分析结果根据疾病类型和患者身份动态确定。
12.根据权利要求2的方法，其中用于所述融合的所述不同类型医疗相关信息和其分析结果以自动模式和交互模式两者之一确定。
13.根据权利要求1的方法，其中所述至少一个诊断信息矩阵是以分层次结构来组织的。
14.根据权利要求13的方法，其中在所述分层次结构的较低层次矩阵表示更详细的诊断信息。
15.根据权利要求13的方法，其中所述融合组合不同形态的不同类型医疗相关信息。
16.根据权利要求13的方法，其中所述融合组合各层次结构的不同类型医疗相关信息。
17.根据权利要求1的方法，其中所述医疗结论是诊断结论。
18.根据权利要求2的方法，还包括分析所述医疗相关信息以生成与所述疾病类型关联的分析结果。
19.根据权利要求18的方法，其中所述分析包括至少以下之一增强所述医疗相关信息；从所述医疗相关信息和/或其增强信息中提取与疾病类型关联的诊断证据；评估得自所述医疗相关信息的特征；根据所述医疗相关信息检测异常候选者；和根据所述医疗相关信息识别特定患者的风险因素。
20.根据权利要求19的方法，其中所述增强包括至少以下之一增强包含在所述医疗相关信息中的部分医学图像；和增强包含在所述医疗相关信息中的整个医学图像。
21.根据权利要求19的方法，其中所述提取是针对基于不同数据采集设备的医疗信息来进行的。
22.根据权利要求19的方法，其中将被提取的所述诊断证据以自动模式和交互模式之一确定。
23.根据权利要求19的方法，其中以自动模式和交互模式之一完成所述评估。
24.根据权利要求23的方法，其中所述评估是定性评估和定量评估之一。
25.根据权利要求24的方法，其中所述定量评估包括至少以下之一估计医疗图像上对应异常的区域大小；估计所述异常区域内有关灰度分布的统计；确定随时间出现的有关所述异常方面的变化；确定所述异常的形状；和确定所述异常结构。
26.根据权利要求1的方法，还包括通过包含在所述至少一个诊断信息矩阵的信息浏览。
27.根据权利要求1的方法，还包括根据所述医疗结论生成一个报告。
28.根据权利要求27的方法，其中报告所述医疗结论的报告包括链接，将所述医疗结论链接到由所述至少一个矩阵所表示的并根据其作出医疗结论的诊断信息。
29.一种系统，包括界面，配置成以方便识别信息的选择；搜索引擎，配置成根据所选定的识别信息搜索从不同来源获取的医疗相关信息；和动态诊断结论矩阵平台，配置成便于通过动态融合不同类型医疗相关信息及其分析结果生成至少一个诊断信息矩阵，和根据所述至少一个诊断信息矩阵产生医疗结论。
30.根据权利要求29的系统，其中所述识别信息包括患者身份信息和疾病信息。
31.根据权利要求30的系统，其中所述搜索引擎搜索关于选定患者身份和选定疾病类型的特定患者和特定疾病的医疗相关信息。
32.根据权利要求29的系统，其中所述搜索引擎搜索有关选定疾病类型的非特定患者和特定疾病的医疗相关信息。
33.根据权利要求29的系统，其中所述至少一个诊断信息矩阵被组织成分层次结构。
34.根据权利要求29的系统，还包括诊断信息提取器，配置成分析所述医疗相关信息和从所述医疗相关信息中识别与选定疾病类型相关的医疗证据。
35.根据权利要求34的系统，其中所述诊断信息提取器包括非影像诊断信息提取器和影像诊断信息提取器。
36.根据权利要求35的系统，其中所述非影像诊断信息提取器包括至少以下之一特定疾病非影像诊断证据提取器，配置成从所述医疗相关信息中提取与疾病类型关联的诊断证据；特定患者风险因素分析器，配置成根据所述医疗相关信息识别特定患者风险因素。
37.根据权利要求35的系统，其中所述影像诊断信息提取器包括至少以下之一增强机制，配置以增强所述医疗相关信息；影像诊断证据提取器，配置成从包含在所述医疗相关信息和/或其增强信息的影像信息中提取与所述疾病类型关联的诊断证据；评估机制，配置成评估得自所述医疗相关信息的诊断证据；和异常检测机制，配置成根据所述医疗相关信息检测异常候选者。
38.根据权利要求37的系统，其中所述增强机制包括本地增强机制，能够增强包含在所述医疗相关信息中的部分医学图像；和全局增强机制，能够增强包含在所述医疗相关信息中的整个医学图像。
39.根据权利要求29的系统，其中所述动态诊断结论矩阵平台包括诊断信息存储单元，配置成存储从所述医疗相关信息提取的诊断信息；诊断信息管理机制，配置成管理访问所述诊断信息存储器；诊断信息浏览机制，配置成便于通过以所述至少一个矩阵表示的诊断信息浏览；和诊断证据识别机制，配置成从所述至少一个诊断信息矩阵识别诊断证据。
40.根据权利要求39的系统，其中所述诊断证据识别机制包括诊断信息融合机制，配置成以至少一种形态融合不同类型医疗相关信息；诊断信息修改机制，配置以修改诊断信息；和诊断证据提取机制，配置成从所述医疗相关信息，融合信息和修改信息的至少其中之一提取诊断证据。
41.根据权利要求39的系统，其中所述诊断证据识别机制以自动模式和交互模式之一实现。
42.根据权利要求29的系统，还包括医疗报告生成机制，配置以生成医疗报告报告所述医疗结论。
43.根据权利要求42的系统，其中所述医疗报告包括链接，连接到诊断信息，其包含在所述至少一个诊断信息矩阵中，用于得到所述医疗结论。
44.一种其上存储有指令的机器可读媒体，当所述指令被访问时能实现以下步骤指定识别信息用于取得医疗相关信息；根据所述识别信息自动搜索从不同来源获取的医疗相关信息；通过动态融合不同类型的所述医疗相关信息及其分析结果生成至少一个诊断信息矩阵；和根据所述至少一个诊断信息矩阵作出医疗结论。
45.根据权利要求44的媒体，其中所述识别信息包括患者身份和疾病类型。
46.根据权利要求44的媒体，其中所述医疗相关信息包括影像医疗信息和非影像信息。
47.根据权利要求46的媒体，其中所述影像医疗信息包括在一定维数空间中获取的医疗图像。
48.根据权利要求47的媒体，其中所述一定维数空间包括至少一个两维和三维空间。
49.根据权利要求45的媒体，其中用于所述融合的不同类型医疗相关信息及其分析结果根据疾病类型动态确定。
50.根据权利要求45的媒体，其中用于所述融合的不同类型医疗相关信息及其分析结果根据疾病类型和患者身份动态确定。
51.根据权利要求45的媒体，其中用于所述融合的不同类型医疗相关信息及其分析结果以自动模式和交互模式之一确定。
52.根据权利要求44的媒体，其中所述至少一个诊断信息矩阵是以分层次结构组织。
53.根据权利要求44的媒体，其中所述融合组合不同形态的不同类型医疗相关信息。
54.根据权利要求52的媒体，其中所述融合组合跨所述分层次结构不同级别的不同类型医疗相关信息。
55.根据权利要求44的媒体，其中所述医疗结论是诊断结论。
56.根据权利要求45的媒体，当被访问时，所述指令还能分析所述医疗相关信息以生成与所述疾病类型关联的分析结果。
57.根据权利要求56的媒体，其中所述分析包括至少以下之一增强所述医疗相关信息；从所述医疗相关信息和/或其增强信息中提取与所述疾病类型关联的诊断证据；评估得自所述医疗相关信息的特征；根据所述医疗相关信息检测异常候选者；和根据所述医疗相关信息识别特定患者的风险因素。
58.根据权利要求57的媒体，其中所要提取的所述诊断证据以自动模式和交互模式之一确定。
59.根据权利要求57的媒体，其中以自动模式和交互模式之一执行所述评估。
60.根据权利要求57的媒体，其中所述评估是定性评估和定量评估之一。
61.根据权利要求60的媒体，其中所述定量评估包括至少以下之一估计医疗图像上对应异常的区域大小；估计所述异常区域内有关灰度分布的统计；确定随时间发生的有关所述异常方面的变化；确定所述异常的形状；和确定所述异常的结构。
62.根据权利要求44的媒体，当被访问时，所述指令还能通过包含在所述至少一个诊断信息矩阵中的信息浏览。
63.根据权利要求44的媒体，当被访问时，所述指令还能根据所述医疗结论生成报告。
64.根据权利要求63的媒体，其中所述报告报告所述医疗结论，包括链接，将所述医疗结论链接到以所述至少一个矩阵表示并根据其作出医疗结论的诊断信息上。
全文摘要
本发明披露了智能定性和定量分析(IQQA)系统及方法，允许用户指定一定识别信息，用以从不同来源搜索和取得医疗相关信息。所述医疗相关信息可以是不同类型，也可以动态融合，当需要时，生成诊断信息矩阵。根据这些诊断信息矩阵可以作出医疗结论，比如诊断结论。
文档编号G06F19/00GK1977283SQ200480023351
公开日2007年6月6日 申请日期2004年8月13日 优先权日2003年8月14日
发明者钱建中, 魏国庆, 范黎 申请人:美国医软科技公司